《城市管理专业 新疆城镇化水平影响因素分析》由会员分享，可在线阅读，更多相关《城市管理专业 新疆城镇化水平影响因素分析（19页珍藏版）》请在金锄头文库上搜索。
1、新疆城镇化水平影响因素分析摘要：近年来，新疆的快速发展，城镇化的发展取得了显著地成绩。本文主要通过线性回归的方法来简单观测新疆地区城镇化率的发展水平以及今后的发展预测值，对新疆现在的城镇化水平有一个简单的了解，然后运用因子分析中的主成分分析方法研究探讨影响新疆城镇化率的影响因素，我们选取了2000年2016年新疆地区的人均GDP、城镇登记失业率、进出口总额、人均固定资产投资额、城镇收入差距、非农产业就业比重、非农产业产值比重、城镇居民消费差距、人均社会消费品零售总额九个因素进行分析，从而提出加快新疆地区城镇化的建议。一、引言：城镇化是指随着一个国家或地区社会生产力的发展、科学技术的进步以及产业
2、结构的调整，其社会由以农业为主的传统乡村型社会向以工业（第二产业）和服务业（第三产业）等非农产业为主的现代城市型社会逐渐转变的历史过程。一个地区的城镇化率是指这个地区城镇常住人口占地区总人口的比例，是衡量一个地区城镇化水平的一个重要指标。当前，我们正处于中华民族伟大复兴的大好时机，城镇化的快速发展有利于拉动内需，扩大消费，有着促进经济快速发展的不可替代的作用。同时，一个地区的城镇化率也代表着一个地区的经济实力，城乡之间差距越小，经济发展水平越好，地区的GDP相对来说也就越高，可以说提高城镇化率也是地区经济快速发展的一个努力方向。新疆维吾尔自治区在我国西部大开发的战略决策中起到了无可替代的作用，
3、新疆维吾尔自治区面积广阔，约占我国领土面积的六分之一，农产品种类丰富，煤炭、石油、天然气等各种自然资源丰厚，享有极大的自然优势。新疆维吾尔自治区周围与俄罗斯、哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、巴基斯坦、蒙古、印度、阿富汗斯坦八国接壤，是历史上的重要的古丝绸之路、交通要道，特别是我们现在一带一路的快速实行，新疆又一次迎来了腾飞的机遇。2、 数据与方法通过查询收集2017年新疆维吾尔自治区统计局发布的统计年鉴的数据，我们选取20002016年的人均GDP、城镇登记失业率、进出口总额、人均固定资产投资额、城镇收入差距、非农产业就业比重、非农产业产值比重、城镇居民消费差距、人均社会消费品零售总额九
4、个数据作为研究影响新疆地区的城镇化率的影响因素。人均GDP体现了新疆地区经济发展与人口的关系；城镇登记失业率体现了城镇的就业状况；进出口总额体现了地区外向经济规模；人均固定资产投资额反映了地区经济发展水平和投资水平；城镇收入差距反映了城乡生活差距；非农产业就业比重反映就业结构对城镇化发展的影响；非农产业产值比重体现了产业结构对城镇化的推动作用；城镇居民消费差距反应了城乡消费差距；人均社会消费品零售总额反应城市居民消费状况。1、验证数据相关性首先，我们研究我们事先选取的单一指标对新疆城镇化率的影响程度，通过运用SPSS统计软件一元线性回归的分析研究说明城镇化率是否与我们所选取的指标都分别存在明显
5、的线性关系。经统计软件分析，我们得出表2-1：表2-1模型非標準化係數標準化係數T顯著性R平方B標準錯誤Beta1（常數）31.347.49263.730.000.965人均GDP.000.000.98220.189.0002（常數）90.23211.1348.104.000.576城镇登记失业率-13.9823.095-.759-4.518.0003（常數）33.2231.14129.109.000.768进出口总额（万美元）4.806E-6.000.8777.054.0004（常數）34.573.68050.858.000.880人均固定资产投资额.000.000.93810.485.00
6、05（常數）29.951.73840.590.000.938城镇收入差距.001.000.96915.108.0006（常數）31.828.50563.075.000.959人均社会消费品零售总额.001.000.98018.837.0007（常數）-137.58741.637-3.304.005.548非农产业产值比重2.175.510.7414.267.0018（常數）-15.5793.477-4.480.000.945非农产业就业比重1.122.070.97216.058.0009（常數）32.916.53861.176.000.944城镇居民消费差距.012.001.97215.907
7、.000我们对所研究的9个指标与城镇化率分别做了一元线性回归分析，根据我们上述的统计分析表明：第一、9个指标的分析结果显示8个指标的显著性均小于0.05，说明我们事先选取的指标可信度较高，城镇化率与这9个指标都有着十分显著的的一元线性关系；第二、在人均GDP、进出口总额、人均固定资产投资额、城镇收入差距、人均社会消费品零售总额、非农产业就业比重、城镇居民消费差距这7个影响因素方面，指标的R平方的值都很高，说明这7个因素与城镇化率做一元线性回归的结果模型整体拟合度很高，所以说明我们所选取的大多数指标对城镇化率的变化有着明显的影响。我们还可以发现城镇登记失业率和非农产业产值比重两个指标的R平方的值
8、相对来说比较低，这两个指标与城镇化率做一元线性回归的结果模型拟合度较低，说明这两个指标对城镇化率的变化相对解释较弱，这种情况是由多种原因造成的，由于西部大开发的政策，政府积极引进人才、创造就业岗位、较为重视就业工作，新疆地区的失业率低，所以城镇登记失业率对城镇化的影响较低；由于新疆地区还较为落后，各项工业发展不是很平衡，农业，服务业等工业发展较为发达，所以非农产业产值比重对城镇化的影响不明显。2、 简单曲线估计及函数关系预测我们选取进行线性回归研究，简单观测新疆地区城镇化率的发展水平以及今后的发展预测值，我们选用SPSS中线性中曲线估计进行简单的验证，将年份作为自变量，将城镇化率作为因变量进行
9、线性回归，通过线性回归分析我们可以对以及今后新疆城镇化率的发展有一个简单的预测。分析数据，利用SPSS软件中的线性回归进行分析，结果如表2-2表2-2模型總計及參數評估因變數: 城镇化率 方程式模型摘要參數評估R 平方Fdf1df2顯著性常數b1b2b3線性.981794.953115.000-1928.122.980對數.981788.544115.000-14926.5791968.028二次曲線模型.982801.355115.000-944.108.000.000三次曲線模型.982807.748115.000-616.103.000.0008.104E-8成長模式.984900.61
10、7115.000-45.519.025指數模式.984900.617115.0001.703E-20.025自變數為 年份。由SPSS软件分析可知指数模式R平方值最高，且显著性为0.000，所以模型建立拟合优度较好，可以用来进行简单的预测，指数模式分析结果如下，如表2-3，函数关系图如表2-4：表2-3模型總計及參數評估因變數: 城镇化率 方程式模型摘要參數評估R 平方Fdf1df2顯著性常數b1指數模式.984900.617115.0001.703E-20.025自變數為 年份。表2-4由指数模型分析得到了年份与新疆城镇化率的简单函数：y=1.702948711798599e-020 * e
11、xp( 0.02450321544029619 * x )根据指数模型函数对2016年新疆城镇化率预测结果为48.38，而2016年新疆城镇化率计算值为48.35，预测值与真实值误差相差0.062%，较为可信。2017年我国城镇化率为58.52，而根据我们所得出的预测函数，直到2024年新疆城镇化率才能达到58.86，可以说新疆地区与全国城镇化水平相差7年。3、影响因素分析我们所选取的9个因素都对新疆地区城镇化率产生了显著的影响，为了能够表明对城镇化的主要影响方面，究竟是社会因素，还是经济因素，还是投资因素，我们这里进行因子分析。运用因子分子对我们原来选取的指标进行整合调整，将我们原来选取的9
12、个指标重叠的关键信息提取成一个或几个综合因子。在对数据做因子分析之前，我们需要验证各个因子变量之间有没有较强的相关性。只有各个因子变量之间有较强的相关性，我们才可以对数据指标进行因子分析。利用SPSS统计软件，对上述所选。取的指标进行因子分析，得出9个影响因素的相关性矩阵表。由表可以得出，我们所选取的指标之间有较强的相关性关系，所以可以进行因子分析。同时，我们运用了SPSS中的KMO和Bartlett球体检验对数据变量是否适合做因子分子进行检验。如表2-5、2-6：表2-5相關性矩陣人均GDP城镇登记失业率进出口总额（万美元）人均固定资产投资额城镇收入差距非农产业就业比重非农产业产值比重城镇居
13、民消费差距人均社会消费品零售总额相關人均GDP1.000-.782.893.973.972.943.734.985.994城镇登记失业率-.7821.000-.682-.741-.735-.631-.426-.781-.780进出口总额（万美元）.893-.6821.000.789.792.858.784.821.848人均固定资产投资额.973-.741.7891.000.978.898.671.979.983城镇收入差距.972-.735.792.9781.000.939.704.992.990非农产业就业比重.943-.631.858.898.9391.000.778.924.940非农
14、产业产值比重.734-.426.784.671.704.7781.000.701.721城镇居民消费差距.985-.781.821.979.992.924.7011.000.995人均社会消费品零售总额.994-.780.848.983.990.940.721.9951.000表2-6KMO 與 Bartlett 檢定Kaiser-Meyer-Olkin 測量取樣適當性。.689Bartlett 的球形檢定大約 卡方338.115df36顯著性.000我们运用SPSS统计软件对数据变量进行KMO和Bartlett球体检验，得出以下结果；1、KMO的检验值为0.689。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1. KMO值越接近于1，意味着变量间的相关性越强
